军事领域知识图谱的构建及应用
发布时间：2021-11-14 23:16
军事领域知识图谱是链接作战部队、指挥系统、武器平台等各类作战要素的桥梁,是打通各军兵种不同业务领域间信息隔阂的重要手段。现有的知识图谱多为面向通用领域的通用知识图谱,而针对军事特定领域的行业数据并没有成熟的领域知识图谱构建以及表示方法。对此,基于未来信息化、智能化作战领域对军事知识采集、存储、表示、查询等技术的特殊需求及图谱在部队平时及战时的应用场景,初步探讨了军事领域知识图谱当前面临的机遇和挑战,提出了军事领域知识图谱构建及应用技术架构,并对基于本体体系的知识表示、基于机器学习的知识抽取、跨领域知识融合、知识计算、知识应用等知识全生命周期各个环节的关键问题及核心技术进行研究,以满足军事领域对知识的深度、准确性的严格要求。
【文章来源】：指挥控制与仿真. 2020,42(04)
【文章页数】：7 页
【部分图文】：
军事领域知识图谱在作战指挥中的应用模型
通用的知识图谱主要强调知识的广度,是运用百科数据自底向上的方法进行构建。而领域知识图谱面向不同的领域,其数据模式不同,应用需求不同,需要通过一套通用的标准和规范来指导构建,基于行业特点及专家经验定制实现。军事领域知识图谱构建及应用是一个系统工程,其从无到有的构建过程分为六个环节,本文称其为领域知识图谱的全生命周期,其设计的关键技术流程主要包含知识表示、知识存储、知识抽取、知识融合、知识计算、知识计算与演化、知识应用[13-14],如图2所示。数据层是整个领域知识图谱构建的基础,与传统互联网数据不同,军事领域数据的来源与类型不同,含军用数据库、作战文书、情报文本、图像、流媒体等多源异构的军事数据,主要来源于军用标准数据库及已有/在研型号信息系统上获取的目标情报等信息。
2)在对作战基础数据和业务数据抽取的基础上,对非结构化的军事数据进行知识抽取,通过增量迭代的方式逐步扩大知识规则。军用领域的非结构化数据或者半结构数据主要包含作战文书、情报文本以及战场的图像及视频数据,且业务特征较明显,适合采用机器学习的采样方法。军事领域知识图谱与通用知识图谱不同,它在构建过程中需要根据军事应用的需求定义明确的命名实体以及实体关系。因此,对于军事领域中的知识抽取任务均是有监督学习任务。在对作战文书和情报文本等文本数据进行知识抽取时,选择采用基于深度学习的有监督方法。例如,在作战文书的抽取上,采用一种基于序列模型并结合位置注意力机制的实体和关系联合抽取模型,实现了对重叠实体关系的抽取,提高识别重叠实体的准确率。此外,对于图像、视频及语音等数据,首先使用深度学习算法进行模型转换,将其描述为文本,并以此与现有知识进行规则匹配。4.4 基于多特征的跨域知识融合技术
【参考文献】：
期刊论文
[1]基于百科知识的军事装备知识图谱构建与应用[J]. 车金立,唐力伟,邓士杰,苏续军. 兵器装备工程学报. 2019(01)
[2]基于知识图谱的日本西南防卫力量研究[J]. 刘香伟. 计算机应用与软件. 2019(01)
[3]A New Method to Construct Education Knowledge Graph[J]. Zhiyun Zheng,Jianping Wu,Zhenfei Wang,Zhongyong Wang,Liming Wang,Dun Li. 计算机教育. 2018(12)
[4]基于专家生成内容的领域知识图谱构建[J]. 李保珍,苏菁. 情报科学. 2018(10)
[5]基于知识图谱的网络信息体系智能参考架构设计[J]. 周丽娜,马志强. 中国电子科学研究院学报. 2018(04)
[6]一种准确而高效的领域知识图谱构建方法[J]. 杨玉基,许斌,胡家威,仝美涵,张鹏,郑莉. 软件学报. 2018(10)
[7]面向知识图谱的知识推理研究进展[J]. 官赛萍,靳小龙,贾岩涛,王元卓,程学旗. 软件学报. 2018(10)
[8]知识图谱的发展与构建[J]. 李涛,王次臣,李华康. 南京理工大学学报. 2017(01)
[9]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[10]军事知识图谱构建技术[J]. 葛斌,谭真,张翀,肖卫东. 指挥与控制学报. 2016(04)
博士论文
[1]大规模知识图谱服务的系统与应用研究[D]. 何亮.中国科学技术大学 2018
[2]基于多种数据源的中文知识图谱构建方法研究[D]. 胡芳槐.华东理工大学 2015
本文编号：3495550
【文章来源】：指挥控制与仿真. 2020,42(04)
【文章页数】：7 页
【部分图文】：
军事领域知识图谱在作战指挥中的应用模型
通用的知识图谱主要强调知识的广度,是运用百科数据自底向上的方法进行构建。而领域知识图谱面向不同的领域,其数据模式不同,应用需求不同,需要通过一套通用的标准和规范来指导构建,基于行业特点及专家经验定制实现。军事领域知识图谱构建及应用是一个系统工程,其从无到有的构建过程分为六个环节,本文称其为领域知识图谱的全生命周期,其设计的关键技术流程主要包含知识表示、知识存储、知识抽取、知识融合、知识计算、知识计算与演化、知识应用[13-14],如图2所示。数据层是整个领域知识图谱构建的基础,与传统互联网数据不同,军事领域数据的来源与类型不同,含军用数据库、作战文书、情报文本、图像、流媒体等多源异构的军事数据,主要来源于军用标准数据库及已有/在研型号信息系统上获取的目标情报等信息。
2)在对作战基础数据和业务数据抽取的基础上,对非结构化的军事数据进行知识抽取,通过增量迭代的方式逐步扩大知识规则。军用领域的非结构化数据或者半结构数据主要包含作战文书、情报文本以及战场的图像及视频数据,且业务特征较明显,适合采用机器学习的采样方法。军事领域知识图谱与通用知识图谱不同,它在构建过程中需要根据军事应用的需求定义明确的命名实体以及实体关系。因此,对于军事领域中的知识抽取任务均是有监督学习任务。在对作战文书和情报文本等文本数据进行知识抽取时,选择采用基于深度学习的有监督方法。例如,在作战文书的抽取上,采用一种基于序列模型并结合位置注意力机制的实体和关系联合抽取模型,实现了对重叠实体关系的抽取,提高识别重叠实体的准确率。此外,对于图像、视频及语音等数据,首先使用深度学习算法进行模型转换,将其描述为文本,并以此与现有知识进行规则匹配。4.4 基于多特征的跨域知识融合技术
【参考文献】：
期刊论文
[1]基于百科知识的军事装备知识图谱构建与应用[J]. 车金立,唐力伟,邓士杰,苏续军. 兵器装备工程学报. 2019(01)
[2]基于知识图谱的日本西南防卫力量研究[J]. 刘香伟. 计算机应用与软件. 2019(01)
[3]A New Method to Construct Education Knowledge Graph[J]. Zhiyun Zheng,Jianping Wu,Zhenfei Wang,Zhongyong Wang,Liming Wang,Dun Li. 计算机教育. 2018(12)
[4]基于专家生成内容的领域知识图谱构建[J]. 李保珍,苏菁. 情报科学. 2018(10)
[5]基于知识图谱的网络信息体系智能参考架构设计[J]. 周丽娜,马志强. 中国电子科学研究院学报. 2018(04)
[6]一种准确而高效的领域知识图谱构建方法[J]. 杨玉基,许斌,胡家威,仝美涵,张鹏,郑莉. 软件学报. 2018(10)
[7]面向知识图谱的知识推理研究进展[J]. 官赛萍,靳小龙,贾岩涛,王元卓,程学旗. 软件学报. 2018(10)
[8]知识图谱的发展与构建[J]. 李涛,王次臣,李华康. 南京理工大学学报. 2017(01)
[9]知识图谱研究进展[J]. 漆桂林,高桓,吴天星. 情报工程. 2017(01)
[10]军事知识图谱构建技术[J]. 葛斌,谭真,张翀,肖卫东. 指挥与控制学报. 2016(04)
博士论文
[1]大规模知识图谱服务的系统与应用研究[D]. 何亮.中国科学技术大学 2018
[2]基于多种数据源的中文知识图谱构建方法研究[D]. 胡芳槐.华东理工大学 2015
本文编号：3495550
本文链接：https://www.wllwen.com/kejilunwen/jingguansheji/3495550.html
